一种基于智能体集群协同感知的污染源定位方法技术

本发明专利技术提供了一种基于智能体集群协同感知的污染源定位方法，该方法包括：随机初始化，包括：污染物浓度场和污染源中心；采集智能体的剩余能量、位置信息和浓度信息；基于剩余能量、位置信息和浓度信息，利用蜉蝣算法，确定汇聚速度；基于智能体的位置信息和障碍物的位置信息，利用人工势能场算法，确定斥力速度；基于汇聚速度和斥力速度，确定运动速度，智能体根据运动速度移动，更新位置信息和浓度信息；若更新的浓度信息大于预设浓度阈值，则智能体到达污染源中心，根据更新的所述位置信息和浓度信息，重构污染物分布浓度场。如此，本发明专利技术可以基于将剩余能量考虑在内的蜉蝣算法，实现对智能体的自适应运动控制，平衡智能体之间的能量消耗。消耗。消耗。

【技术实现步骤摘要】
一种基于智能体集群协同感知的污染源定位方法


[0001]本专利技术涉及但不限于物联网检测应用领域，尤其涉及一种基于智能体集群协同感知的污染源定位方法、装置、终端及存储介质。

技术介绍

[0002]当前社会经济快速发展，环境污染问题日渐突出，快速准确的污染源定位对改善环境和减少健康危害具有非常重要的意义。随着物联网技术的不断发展，越来越多的科研人员利用搭载传感器的智能体进行污染源定位。
[0003]目前，主流的污染源定位方法是通过部署多个位置固定的传感器节点对区域内的污染物浓度进行检测，根据各节点的位置与浓度信息实现对污染物的定位。例如，将浓度测量值最大或最先探测到污染物的传感器节点的位置作为污染源的近似位置，或者基于扩散模型通过反演算法估计污染源位置。这种方法的缺点是，定位精度在很大程度上取决于传感器节点的密度和分布，或者需要污染源扩散的先验知识且存在定位错误的可能。而且在应对一些突发性污染事故时，由于污染源普遍具有危险性的原因，也不适合进行人工采样检测。因此，通过移动智能体集群来对污染源进行定位与分析便能很好的应对这些情况。
[0004]且，移动智能体节点的能量有限，所以在平衡能量消耗的同时，移动智能体能实现理想的定位精度至关重要。

技术实现思路

[0005]为了解决上述问题，本专利技术提供了一种基于智能体协同感知的污染源定位方法、装置、终端及存储介质。
[0006]本专利技术的技术方案是这样实现的：
[0007]一种基于智能体集群协同感知的污染源定位方法，所述方法包括：
[0008]随机初始化，包括：智能体集群规模、障碍物、污染物浓度场、污染源中心和所述障碍物的位置信息；
[0009]采集所述智能体的剩余能量、位置信息和浓度信息；
[0010]基于所述智能体的剩余能量、位置信息和浓度信息，利用汇聚速度更新公式，确定所述智能体的汇聚速度；
[0011]基于所述智能体的位置信息和所述障碍物的位置信息，利用斥力速度更新公式，确定所述智能体的斥力速度；
[0012]基于所述汇聚速度和所述斥力速度，确定运动速度，所述智能体根据所述运动速度移动，并更新所述智能体的位置信息和浓度信息；
[0013]对比更新的所述浓度信息与预设浓度阈值，若更新的所述浓度信息不小于所述预设浓度阈值，则判定所述智能体到达所述污染源中心，根据更新的所述智能体的位置信息和浓度信息，重构所述污染物浓度场；
[0014]输出重构的所述污染物浓度场。
[0015]在一些实施例中，所述随机初始化包括：预设时间阈值、预设能量阈值和所述智能体的初始能量；所述方法还包括：
[0016]将所述智能体集群分为雄性粒子集群和雌性粒子集群；
[0017]所述基于所述智能体的剩余能量、位置信息和浓度信息，利用汇聚速度更新公式，确定所述智能体的汇聚速度，还包括：
[0018]基于所述雄性粒子的剩余能量、位置信息和浓度信息，利用所述汇聚速度更新公式，确定所述雄性粒子的汇聚速度；
[0019]基于所述雌性粒子的剩余能量、位置信息和浓度信息，利用所述汇聚速度更新公式，确定所述雌性粒子的汇聚速度。
[0020]在一些实施例中，所述方法还包括：
[0021]基于所述智能体的剩余能量和初始能量，所述预设时间阈值和预设能量阈值，利用运动时间更新公式，更新所述智能体的运动时间T
ij
；其中，所述运动时间更新公式，如下：
[0022]T
ij
＝T
max
·
(E
i，j
‑1‑
E
th
)/(E
i，0
‑
E
th
)
[0023]且，T
max
为设置的最大运动时间；E
th
为避免剩余能量快速耗尽的阈值，E
i，0
为初始能量；E
i，j
‑1为粒子剩余能量；
[0024]所述智能体根据更新的所述运动时间和所述运动速度移动。
[0025]在一些实施例中，所述方法还包括：
[0026]对比每一所述智能体的浓度信息，将最大的所述浓度信息对应的位置信息确定为群体最优位置；
[0027]对比所述智能体的每一所述浓度信息，将所述智能体的最大浓度值对应的位置信息确定为个体最优位置；
[0028]将所述群体最优位置和所述个体最优位置，代入所述汇聚速度更新公式，计算所述汇聚速度。
[0029]在一些实施例中，所述随机初始化包括：第一预设距离阈值和第二预设距离阈值；所述方法还包括：
[0030]基于所述智能体的位置信息，确定所述智能体与其他智能体之间的第一距离；
[0031]基于所述智能体的位置信息和所述障碍物的位置信息，确定所述智能体与所述障碍物之间的第二距离；
[0032]若所述第一距离小于或者等于所述第一预设距离阈值，和/或所述第二距离小于或者等于所述第二预设距离阈值，利用斥力速度更新公式，确定所述斥力速度。
[0033]在一些实施例中，所述方法还包括：
[0034]若更新的所述浓度信息小于所述预设浓度阈值，则判定所述智能体未到达所述污染源中心，更新所述智能体的运动时间和运动速度，所述智能体根据更新的所述运动时间和运动速度继续移动。
[0035]在一些实施例中，所述随机初始化包括：预设迭代次数；所述方法还包括：
[0036]采集所述智能体集群的当前迭代次数；
[0037]对比所述当前迭代次数和所述预设迭代次数，若所述当前迭代次数不小于所述预设迭代次数，则所述智能体停止移动，根据更新的所述智能体的位置信息和浓度信息，重构所述污染物浓度场；和/或，
[0038]若所述当前迭代次数小于所述预设迭代次数，则更新所述运动时间和运动速度，所述智能体根据更新的所述运动时间和运动速度继续移动。
[0039]本专利技术实施例还提供一种基于智能体集群协同感知的污染源定位方法的装置，包括：
[0040]处理模块，用于随机初始化，包括：智能体集群规模、障碍物、污染物浓度场、污染源中心和所述障碍物的位置信息；
[0041]获取模块，用于采集所述智能体的剩余能量、位置信息和浓度信息；
[0042]所述处理模块，也用于基于所述智能体的剩余能量、位置信息和浓度信息，利用汇聚速度更新公式，确定所述智能体的汇聚速度；
[0043]所述处理模块，还用于基于所述智能体的位置信息和所述障碍物的位置信息，利用斥力速度更新公式，确定所述智能体的斥力速度；
[0044]所述处理模块，还用于基于所述汇聚速度和所述斥力速度，确定运动速度，所述智能体根据所述运动速度移动，并更新所述智能体的位置信息和浓度信息；所述处理模块，还用于对比更新的所述浓度信息与预设浓度阈值，若更新的所述浓度信息不小于所述预设浓度阈值，则判定所述智能体到达所述污染源中心，根据更新的所述位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能体集群协同感知的污染源定位方法，其特征在于，所述方法包括：随机初始化，包括：智能体集群规模、障碍物、污染物浓度场、污染源中心和所述障碍物的位置信息；采集所述智能体的剩余能量、位置信息和浓度信息；基于所述智能体的剩余能量、位置信息和浓度信息，利用汇聚速度更新公式，确定所述智能体的汇聚速度；基于所述智能体的位置信息和所述障碍物的位置信息，利用斥力速度更新公式，确定所述智能体的斥力速度；基于所述汇聚速度和所述斥力速度，确定运动速度，所述智能体根据所述运动速度移动，并更新所述智能体的位置信息和浓度信息；对比更新的所述浓度信息与预设浓度阈值，若更新的所述浓度信息不小于所述预设浓度阈值，则判定所述智能体到达所述污染源中心，根据更新的所述智能体的位置信息和浓度信息，重构所述污染物浓度场；输出重构的所述污染物浓度场。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述智能体集群分为雄性粒子集群和雌性粒子集群；所述基于所述智能体的剩余能量、位置信息和浓度信息，利用汇聚速度更新公式，确定所述智能体的汇聚速度，还包括：基于所述雄性粒子的剩余能量、位置信息和浓度信息，利用所述汇聚速度更新公式，确定所述雄性粒子的汇聚速度；基于所述雌性粒子的剩余能量、位置信息和浓度信息，利用所述汇聚速度更新公式，确定所述雌性粒子的汇聚速度。3.根据权利要求1所述的方法，其特征在于，所述随机初始化包括：预设时间阈值、预设能量阈值和所述智能体的初始能量；所述方法，还包括：基于所述智能体的剩余能量和初始能量，所述预设时间阈值和预设能量阈值，利用运动时间更新公式，更新所述智能体的运动时间T
ij
；其中，所述运动时间更新公式，如下：T
ij
＝T
max
·
(E
i,
‑
E
th
)/(E
i,
‑
E
th
)且，T
max
为设置的最大运动时间；E
th
为避免剩余能量快速耗尽的阈值，E
i,
为初始能量；E
i,
为粒子剩余能量；所述智能体根据更新的所述运动时间和所述运动速度移动。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：对比每一所述智能体的浓度信息，将最大的所述浓度信息对应的位置信息确定为群体最优位置；对比所述智能体的每一所述浓度信息，将所述智能体的最大浓度值对应的位置信息确定为个体最优位置；将所述群体最优位置和所述个体最优位置，代入所述汇聚速度更新公式，计算所述汇聚速度。5.根据权利要求1所述的方法，其特征在于，所述随机初始化包括：第一预设距离阈值和第二预设距离阈值；所述基于所述智能体的位置信息和...

【专利技术属性】
技术研发人员：李闯，王勇，王博，李莹玉，胡宇宣，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：